「智能体评估」共找到 3992 篇相关文章
RL在Agentic Reasoning中的作用：拨开迷雾，看清本质
近年大语言模型在推理任务能力惊人，但使用外部工具存挑战。传统SFT无法让模型自主调用工具，强化学习虽被引入，但在智能体推理中面临训练效率、稳定性和泛化能力难题。论文从多维度解构智能体强化学习，提出有效方法。
AST | 西交大牛笑天、陈刚等：基于多尺度网格融合技术的复杂三维构型流场时空智能推理方法
文章针对复杂三维外形的强非线性非定常流场推理难题，提出MSGF数据预处理方法与DTECAU - 3D模型联合框架。MSGF解决数据提取难题，DTECAU - 3D解决传统U - net问题，经测试验证该框架效果良好。
百万人围观，「上下文图谱」火了，万亿美元新机遇？
本文围绕智能体对记录系统的影响展开讨论。有人认为智能体将摧毁记录系统，也有人反驳，指出其会提高记录系统标准。文章重点介绍上下文图谱概念，它是决策轨迹的长期积累，有望成万亿级新机遇。同时分析传统厂商构建难题及创业公司路径。
具身机器人能搞定超市盘点吗？全球七万门店正在给出答案
本文报道汉朔科技联合X-Era Lab（拓元智慧），依托汉朔全球近7万家门店的电子价签数字化底座，结合拓元自研原生世界动作模型VWA，探索具身智能在零售门店盘点、巡检、补货场景的商业化落地，验证具身智能能否从演示Demo转化为稳定运行的生产级系统。
大模型结构化推理优势难复制到垂直领域！最新法律AI评估标准来了，抱抱脸评测集趋势第一
多个机构研究人员联合发布全新多语言法律推理基准数据集LEXam，它含4886道题，每道长篇题有答案和推理路径。研究显示现有大模型应对法律推理难，LEXam引入评估新模式，还对不同模型做了测试。
入选 SOSP'25：百度智能云对象存储的分布式层级 Namespace 破解业界难题，彻底扫清 AI 时代大数据上云障碍
百度沧海・存储团队与高校合作的论文被 SOSP'25 录用，介绍了百度智能云对象存储 BOS 的分布式层级 Namespace 系统 Mantle。它攻克业界难题，融合文件和对象存储优势，性能卓越，已在 BOS 生产环境大规模上线超两年。
4页绝密文件曝OpenAI野心！ChatGPT占领人类心智，25年致命杀招公开
法院文件揭露OpenAI战略，要让ChatGPT成年轻一代心中「最酷智能体」。2025年上半年将其升级为超级助手，下半年扩展功能。还剖析对手，计划构建护城河，加倍投入品牌。
“最强编码模型”上线，Claude 核心工程师独家爆料：年底可全天候工作，DeepSeek不算前沿
Anthropic 开发者大会发布 Claude 4 ，含 Opus 4 和 Sonnet 4 型号，在基准测试表现出色。核心工程师预测年底软件工程智能体能力，谈 RL 及 DeepSeek，还提到模型自我意识、推理计算瓶颈等问题。
从开源狂热到应用为王，AI 正在回归常识
AI行业正发生变化，模型行业对“开源还是闭源”态度转向商业共识，旗舰模型开始闭源；应用变得更重要，应用层机会多；智能体重新定义AI价值边界，推动行业从“模型思维”走向“系统思维”。
首个长程Doc2Repo训练集！代码Agent不止修bug，开始造仓库
中国人民大学高瓴人工智能学院发布DeNovoSWE数据集，专注长程软件工程任务。它通过特定机制构造高质量数据，为代码智能体长程能力训练提供支持，实验显示能显著提升模型仓库生成能力。